Video-subtitle-remover单元测试框架：pytest与CI/CD集成实践-优快云博客

Video-subtitle-remover单元测试框架：pytest与CI/CD集成实践

【免费下载链接】video-subtitle-remover 基于AI的图片/视频硬字幕去除、文本水印去除，无损分辨率生成去字幕、去水印后的图片/视频文件。无需申请第三方API，本地实现。AI-based tool for removing hard-coded subtitles and text-like watermarks from videos or Pictures. 项目地址: https://gitcode.com/gh_mirrors/vi/video-subtitle-remover

项目测试现状分析

Video-subtitle-remover项目是一个基于AI的视频硬字幕去除工具，主要功能实现集中在backend/目录下，包含字幕检测、视频处理、AI修复等核心模块。通过对项目结构的分析，目前代码库中未发现已实现的单元测试文件或测试框架配置，这可能导致代码质量难以保障，尤其是在迭代开发过程中容易引入回归错误。

核心功能模块测试需求

项目核心功能模块包括：

字幕检测：backend/main.py中的detect_subtitle方法
视频处理：backend/tools/merge_video.py
AI修复：backend/inpaint/目录下的LAMA和STTN算法实现

这些模块需要针对性的测试策略，确保在处理不同类型视频和字幕时的稳定性和准确性。

测试框架搭建

pytest环境配置

首先需要在项目中安装pytest框架，建议在requirements.txt中添加以下依赖：

pytest==7.4.0
pytest-cov==4.1.0
pytest-mock==3.11.1

测试目录结构设计

为了保持项目结构清晰，建议创建以下测试目录结构：

test/
├── unit/
│   ├── test_subtitle_detection.py
│   ├── test_video_processing.py
│   └── test_ai_inpainting.py
├── integration/
│   └── test_end_to_end.py
└── conftest.py

核心模块单元测试实现

字幕检测模块测试

创建test/unit/test_subtitle_detection.py文件，实现对字幕检测功能的测试：

import pytest
import cv2
import numpy as np
from backend.main import VideoSubtitleRemover

@pytest.fixture
def sample_video_path():
    return "test/test1.mp4"  # 使用项目中已有的测试视频

@pytest.fixture
def subtitle_remover(sample_video_path):
    return VideoSubtitleRemover(sample_video_path)

def test_detect_subtitle(subtitle_remover):
    # 测试字幕检测功能
    frame = cv2.imread("test/test.png")  # 使用项目中已有的测试图片
    result = subtitle_remover.detect_subtitle(frame)
    
    assert result is not None
    assert isinstance(result, dict)
    assert "coordinates" in result
    assert isinstance(result["coordinates"], list)

AI修复模块测试

创建test/unit/test_ai_inpainting.py文件，测试AI修复功能：

import pytest
import cv2
import numpy as np
from backend.inpaint.lama_inpaint import LamaInpaint

@pytest.fixture
def lama_inpaint():
    return LamaInpaint()

@pytest.fixture
def test_image():
    return cv2.imread("test/test.png")

@pytest.fixture
def mask_image():
    # 创建简单的掩码图像
    mask = np.zeros((1080, 1920), dtype=np.uint8)
    mask[900:1000, 500:1500] = 255  # 模拟底部字幕区域
    return mask

def test_lama_inpaint(lama_inpaint, test_image, mask_image):
    # 测试LAMA修复功能
    result = lama_inpaint.inpaint(test_image, mask_image)
    
    assert result is not None
    assert result.shape == test_image.shape
    assert np.sum(result[900:1000, 500:1500]) != np.sum(test_image[900:1000, 500:1500])

测试覆盖率分析

在pyproject.toml中添加pytest配置，以便生成测试覆盖率报告：

[tool.pytest.ini_options]
testpaths = ["test"]
python_files = ["test_*.py"]
python_classes = ["Test*"]
python_functions = ["test_*"]
addopts = "--cov=backend --cov-report=html:coverage-report"

运行测试并生成覆盖率报告：

pytest

覆盖率报告将生成在coverage-report/目录下，可通过浏览器打开index.html查看详细结果。

CI/CD集成方案

GitHub Actions配置

在项目根目录创建.github/workflows/test.yml文件，配置CI/CD流程：

name: Test

on:
  push:
    branches: [ main ]
  pull_request:
    branches: [ main ]

jobs:
  test:
    runs-on: ubuntu-latest
    
    steps:
    - uses: actions/checkout@v3
    
    - name: Set up Python
      uses: actions/setup-python@v4
      with:
        python-version: '3.9'
    
    - name: Install dependencies
      run: |
        python -m pip install --upgrade pip
        pip install -r requirements.txt
        pip install pytest pytest-cov
    
    - name: Run tests
      run: pytest --cov=backend
    
    - name: Upload coverage to Codecov
      uses: codecov/codecov-action@v3
      with:
        token: ${{ secrets.CODECOV_TOKEN }}

GitLab CI配置

如果使用GitLab CI，可创建.gitlab-ci.yml文件：

stages:
  - test

pytest:
  stage: test
  image: python:3.9
  before_script:
    - pip install --upgrade pip
    - pip install -r requirements.txt
    - pip install pytest pytest-cov
  script:
    - pytest --cov=backend --cov-report=xml
  artifacts:
    reports:
      cobertura: coverage.xml

测试自动化最佳实践

参数化测试

使用pytest的参数化功能测试不同场景：

import pytest

@pytest.mark.parametrize("video_file, expected_result", [
    ("test/test1.mp4", True),
    ("test/test2.mp4", True),
    ("test/test3.mp4", False),  # 无字幕视频
])
def test_subtitle_detection_parametrized(subtitle_remover, video_file, expected_result):
    subtitle_remover.vd_path = video_file
    result = subtitle_remover.find_subtitle_frame_no()
    assert (len(result) > 0) == expected_result

测试数据管理

将测试视频和图片统一存放在test/目录下，如项目中已有的：

建议对测试文件进行分类管理，创建子目录如test/videos/和test/images/。

测试报告集成

除了覆盖率报告外，还可以集成pytest-html生成详细的HTML测试报告：

pytest --html=test-report.html

生成的test-report.html可作为CI/CD流程的产物保存。

总结与展望

通过搭建pytest测试框架并与CI/CD流程集成，可以有效提高Video-subtitle-remover项目的代码质量和稳定性。建议：

优先为核心模块backend/main.py和backend/inpaint/编写单元测试
逐步提高测试覆盖率，目标达到80%以上
在CI/CD流程中添加测试报告和覆盖率报告的永久存储
考虑引入属性测试框架如Hypothesis，对AI算法进行更全面的测试

随着项目的发展，测试框架也需要不断完善，以适应新功能的开发和维护需求。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考